在2018年的春天，Aspencore旗下《電子工程專輯》、《電子技術(shù)設(shè)計(jì)》、《國(guó)際電子商情》三大媒體聯(lián)合在上海舉辦2018年中國(guó)IC領(lǐng)袖峰會(huì)。峰會(huì)以“中國(guó)IC業(yè)之世界格局”為主題，特邀產(chǎn)業(yè)最受關(guān)注的領(lǐng)袖人物，與數(shù)百位資深設(shè)計(jì)工程師、管理精英和技術(shù)決策者共同探討產(chǎn)業(yè)的成長(zhǎng)和突破之道。

Aspencore全球發(fā)行人兼執(zhí)行董事高志煒(Victor Gao)在歡迎致辭中表示，2017年由人工智能大潮引領(lǐng)的新一輪技術(shù)創(chuàng)新，迅速帶動(dòng)全球半導(dǎo)體創(chuàng)新加速。中國(guó)IC設(shè)計(jì)公司迎來了與海外IC設(shè)計(jì)公司同步起飛的時(shí)代機(jī)遇。同時(shí)，由中國(guó)率先提出并倡導(dǎo)的“一帶一路”戰(zhàn)略，迅速成為全球經(jīng)濟(jì)和科技發(fā)展的新亮點(diǎn)與新看點(diǎn)。

在可預(yù)測(cè)的未來，全球半導(dǎo)體行業(yè)將呈現(xiàn)高速發(fā)展趨勢(shì)。歐洲以德國(guó)、法國(guó)、英國(guó)為代表，仍將持續(xù)關(guān)注智能制造、智慧城市、區(qū)塊鏈等熱門技術(shù)；而在北美的硅谷、波士頓，不僅見證著初創(chuàng)企業(yè)的蓬勃發(fā)展，生命科學(xué)、環(huán)境科學(xué)、航天科學(xué)等學(xué)科也突飛猛進(jìn)；作為全球最具活力的市場(chǎng)，亞太區(qū)對(duì)CPU、GPU和存儲(chǔ)器的需求尤其旺盛。而當(dāng)前全球最重要的發(fā)展熱點(diǎn)來自AI和物聯(lián)網(wǎng)，人與機(jī)器達(dá)到了空前的融合，物聯(lián)網(wǎng)正演變?yōu)椤拔衣?lián)網(wǎng)”，這需要云端、電信端和終端的密切配合。

“上知天文，下知地理，文經(jīng)武律，以立其身”。憑借高科技資本、技術(shù)人才和全球最佳市場(chǎng)的優(yōu)勢(shì)，中國(guó)IC業(yè)者近些年創(chuàng)造出了一系列令人矚目的成就，例如中國(guó)自主研發(fā)的CPU已經(jīng)運(yùn)行在國(guó)產(chǎn)超級(jí)計(jì)算機(jī)中，長(zhǎng)江存儲(chǔ)3D NAND存儲(chǔ)芯片量產(chǎn)在即，清華大學(xué)推出的可重構(gòu)計(jì)算處理器，兆易創(chuàng)新的非易失性存儲(chǔ)芯片都已成為明星產(chǎn)品。那么，中國(guó)IC廠商如何在“一帶一路”的利好政策下，走向全球市場(chǎng)、占領(lǐng)IC時(shí)代巔峰？在AI時(shí)代，中國(guó)IC廠商是否能夠和國(guó)際對(duì)手處于同一起跑線？本次峰會(huì)將為您一一解開心中的疑惑。

AspenCore 亞太區(qū)總經(jīng)理及總分析師張毓波主持了峰會(huì)

物聯(lián)網(wǎng)、5G和人工智能市場(chǎng)下的中國(guó)IC機(jī)遇

在物聯(lián)網(wǎng)新舊時(shí)代轉(zhuǎn)換的過程中，各國(guó)政府和運(yùn)營(yíng)商在其中起到了主導(dǎo)作用，一個(gè)定標(biāo)準(zhǔn)，一個(gè)修路。可以看到，物聯(lián)網(wǎng)的產(chǎn)業(yè)鏈條復(fù)雜多樣，但芯片產(chǎn)業(yè)占比非常低，單獨(dú)從芯片本身也看不到賺大錢的機(jī)會(huì)，全球只有少數(shù)玩家參與。但反觀人工智能這一波產(chǎn)業(yè)浪潮中，芯片技術(shù)在其中發(fā)揮的驅(qū)動(dòng)力和商業(yè)機(jī)會(huì)則大不一樣。

上圖是2017年Gartner技術(shù)成熟度曲線圖。與2011年物聯(lián)網(wǎng)概念第一次出現(xiàn)在觸發(fā)期，且被認(rèn)為還需要5-10年的時(shí)間才能成熟不同的是，物聯(lián)網(wǎng)已經(jīng)變成了物聯(lián)網(wǎng)平臺(tái)，成熟的時(shí)間也變成了2-5年，但仍然處于技術(shù)發(fā)展的早期。物聯(lián)網(wǎng)芯片當(dāng)然是不可或缺的，但驅(qū)動(dòng)力更多的是來自于產(chǎn)業(yè)各方如何達(dá)成共識(shí)。但反觀人工智能相關(guān)的技術(shù)卻一下子多了起來，綠框中，無(wú)論是還處于早期的強(qiáng)化學(xué)習(xí)、神經(jīng)擬態(tài)硬件，還是處于炒作巔峰的深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、自動(dòng)駕駛、認(rèn)知計(jì)算都和AI芯片強(qiáng)相關(guān)，無(wú)論是在學(xué)術(shù)界和產(chǎn)業(yè)界，我們都可以深切地感受到芯片對(duì)于人工智能相關(guān)技術(shù)的關(guān)鍵推動(dòng)力量。

那么人工智能芯片市場(chǎng)到底有多大呢？JP Morgan認(rèn)為未來5年將保持60%的年化增長(zhǎng)速度，從2017年的30億美元到2022年的330億美元；Nvidia更加激進(jìn)，認(rèn)為在2020年這個(gè)市場(chǎng)就會(huì)達(dá)到300億美元，其中訓(xùn)練市場(chǎng)110億美元，推理市場(chǎng)150億美元，高性能計(jì)算市場(chǎng)40億美元；Intel把數(shù)據(jù)中心的CPU、GPU、Memory、網(wǎng)絡(luò)、光芯片全放在一起，認(rèn)為2021年要到650億美元；IDC和Gartner給出的數(shù)據(jù)是5年后大概100億-150億美元的新增AI芯片市場(chǎng)。

也就是說，無(wú)論按照誰(shuí)的標(biāo)準(zhǔn)，這塊市場(chǎng)的增長(zhǎng)都遠(yuǎn)遠(yuǎn)超過了IC產(chǎn)業(yè)的平均增速，而這樣一塊新市場(chǎng)的誕生，在過去十幾年半導(dǎo)體產(chǎn)業(yè)發(fā)展的過程中是非常不同尋常的，所以不僅吸引了老牌的IC廠商廣泛參加，也吸引了非常多的創(chuàng)業(yè)公司參加，可以說對(duì)于AI芯片市場(chǎng)比較樂觀的一個(gè)判斷，幾乎成了產(chǎn)業(yè)界的共識(shí)。

夏硯秋強(qiáng)調(diào)說，這個(gè)數(shù)字很重要。從一個(gè)角度來看，可以理解為數(shù)據(jù)中心的GPU市場(chǎng)仍然是一個(gè)利基市場(chǎng)，很多服務(wù)器并不需要AI功能。但如果換一個(gè)角度來思考，那就是數(shù)據(jù)中心的AI芯片市場(chǎng)還遠(yuǎn)遠(yuǎn)沒有到頂，如果誰(shuí)能提供價(jià)格合適、性能強(qiáng)大的AI芯片，客戶沒有理由不買。

2017年，Nvidia的毛利率達(dá)到了62%，而5年前只有52%，考慮到數(shù)據(jù)中心業(yè)務(wù)在Nvidia總收入中占比只有20%，所以毛利率應(yīng)該更高；而老對(duì)手AMD近5年來毛利率也就是在30%上下。因此，如果誰(shuí)能夠挑戰(zhàn)Nvidia現(xiàn)在的霸主地位，不僅市場(chǎng)規(guī)模會(huì)做到很大，利潤(rùn)方面也將遠(yuǎn)遠(yuǎn)超越一般的半導(dǎo)體廠商。

AI芯片最大的挑戰(zhàn)來自于市場(chǎng)定位，如何平衡性能與靈活性？是贏者通吃還是深耕長(zhǎng)尾？這是夏硯秋在現(xiàn)場(chǎng)對(duì)行業(yè)提出的問題。這其實(shí)代表了AI芯片的兩種商業(yè)選擇，換句話說，由于芯片產(chǎn)業(yè)的歸一化標(biāo)準(zhǔn)，大家實(shí)際上只有兩個(gè)選擇：在數(shù)據(jù)中心市場(chǎng)擊敗Nvidia，或者是構(gòu)建垂直領(lǐng)域的端到端護(hù)城河

而以下數(shù)據(jù)則告訴我們深耕長(zhǎng)尾的價(jià)值：

數(shù)據(jù)中心：30億美元

安防監(jiān)控：1億攝像頭出貨量，傳統(tǒng)監(jiān)控芯片市場(chǎng)規(guī)模20億美元

自動(dòng)駕駛：9000萬(wàn)汽車出貨量，未來ADAS市場(chǎng)10億美元，L2/L3市場(chǎng)20億美元，L4/L5市場(chǎng)50億美元

智慧家庭：智能音箱（2017年數(shù)千萬(wàn)出貨）、智能攝像頭、游戲機(jī)

智能手機(jī)：15億出貨量，AP市場(chǎng)規(guī)模400億美元，美顏相機(jī)，AR和語(yǔ)音助手

AI醫(yī)療：醫(yī)學(xué)影像診療，高性能計(jì)算

機(jī)器人/無(wú)人機(jī)：數(shù)百萬(wàn)出貨量

權(quán)利的游戲

而根據(jù)獨(dú)立創(chuàng)作性要求，布圖設(shè)計(jì)只要求獨(dú)立完成，并不要求首創(chuàng)；不排斥兩個(gè)獨(dú)立完成的內(nèi)容相近甚至相同的布圖設(shè)計(jì)；布圖設(shè)計(jì)侵權(quán)鑒定時(shí)，不能僅憑相似度來判定侵權(quán)，還需要確定雙方是否獨(dú)立完成—“接觸+相似”的判定原理。而在創(chuàng)造性概念中，布圖設(shè)計(jì)的工業(yè)產(chǎn)權(quán)屬性，決定受保護(hù)客體需要一定的創(chuàng)造性；布圖設(shè)計(jì)的作品屬性，決定受保護(hù)客體不僅要有“個(gè)性”，還要有一定的“質(zhì)量”；布圖設(shè)計(jì)的創(chuàng)作性略高于著作權(quán)，遠(yuǎn)低于專利權(quán)。

而專利戰(zhàn)略的目的，是為了自身的長(zhǎng)遠(yuǎn)利益和發(fā)展，運(yùn)用專利制度提供的法律保護(hù)，在技術(shù)競(jìng)爭(zhēng)和市場(chǎng)競(jìng)爭(zhēng)中謀取最大經(jīng)濟(jì)利益、并保持自己競(jìng)爭(zhēng)優(yōu)勢(shì)的整體性戰(zhàn)略觀念與謀略戰(zhàn)術(shù)的集成總和體。

在運(yùn)用專利戰(zhàn)略攻擊時(shí)，既可以使用專利無(wú)效訴訟(即利用現(xiàn)有技術(shù)進(jìn)行創(chuàng)新性否定)或 技術(shù)壟斷訴訟(通過訴壟斷而得到免費(fèi)專利授權(quán))，也可以使用產(chǎn)品侵權(quán)訴訟，包括侵權(quán)訴訟(自有專利訴競(jìng)爭(zhēng)對(duì)手產(chǎn)品侵權(quán))、專利購(gòu)買(購(gòu)買專利訴競(jìng)爭(zhēng)對(duì)手產(chǎn)品侵權(quán))、聯(lián)合專利池(通過企業(yè)之間合作建立共同的專利池)和NPE策略(利用“非關(guān)聯(lián)”企業(yè)進(jìn)行訴訟)。而文獻(xiàn)公開、宣告無(wú)效、外圍專利、設(shè)計(jì)侵權(quán)規(guī)避和共享專利池則形成了專利防御體系。

而反向工程在證據(jù)鏈中的作用體現(xiàn)在使用公開：即通過反向工程查找公開銷售產(chǎn)品中的公知技術(shù)、以及通過反向工程查找產(chǎn)品中的侵權(quán)證據(jù)。具體到集成電路行業(yè)，則包括系統(tǒng)專利侵權(quán)分析、封裝專利侵權(quán)分析、制造工藝侵權(quán)分析、MEMS器件侵權(quán)分析、數(shù)字算法侵權(quán)分析、嵌入式軟件侵權(quán)分析、FPGA代碼侵權(quán)分析等等。

而IPsense系統(tǒng)則是芯愿景研發(fā)的專利查詢和挖掘系統(tǒng)。在IPsense系統(tǒng)的云端包含有超過42,000個(gè)芯片的海量數(shù)據(jù)資料。在任意的客戶端通過瀏覽器連接IPsense服務(wù)，可以快速查詢芯片的各種數(shù)據(jù)信息并通過瀏覽器呈現(xiàn)給客戶。通過IPsense獨(dú)有的智能匹配算法，能夠利用客戶指定的專利內(nèi)容在數(shù)據(jù)庫(kù)中進(jìn)行挖掘和匹配，并將和專利相關(guān)聯(lián)的芯片細(xì)節(jié)信息呈現(xiàn)給客戶。

目前，憑借高智能的自主研發(fā)的專利同電路的匹配軟件系統(tǒng)，芯愿景已經(jīng)能夠?qū)崿F(xiàn)自主分析重點(diǎn)領(lǐng)域關(guān)鍵芯片(主要關(guān)注國(guó)際前10大設(shè)計(jì)公司)，建立了三層次芯片電路信息庫(kù)，做到同國(guó)家專利局專利信息同步更新，實(shí)時(shí)為客戶提供所需的侵權(quán)證據(jù)。

人工智能和EDA的互相促進(jìn)和發(fā)展

既然人工智能芯片的主要目的是獲得更高的性能，那一個(gè)重要的課題就是，如何在設(shè)計(jì)的每一個(gè)環(huán)節(jié)不斷提升性能，爭(zhēng)取達(dá)到能實(shí)現(xiàn)的極限。這里所說的性能，主要包括了兩個(gè)方面，也是人工智能芯片最關(guān)注的兩個(gè)方面：能效比(Power Efficiency)和吞吐量(Throughput)。

與數(shù)字后端設(shè)計(jì)相關(guān)的優(yōu)化有兩個(gè)方面， 要同時(shí)考慮功耗和算力兩個(gè)因素。而對(duì)數(shù)字后端有影響的則是以下幾種重要的方法：1. 合理使用存儲(chǔ)單元，包括片上緩存和臨近存儲(chǔ)，從而提高能效比；2. 增加吞吐量包括兩點(diǎn)，一是算力，計(jì)算單元的絕對(duì)數(shù)量，二是數(shù)據(jù)存儲(chǔ)和訪問的效率。從這樣的前提來看，我們看到了對(duì)數(shù)據(jù)流處理的需求。

針對(duì)AI芯片能效和吞吐量的巨大挑戰(zhàn)，Cadence數(shù)字后端工具提供了大量方法幫助客戶更快收斂到預(yù)期的目標(biāo)。如前所述，AI芯片大致對(duì)后端工具提出了4個(gè)類型的挑戰(zhàn)：Power、Floorplan、Capacity和Interconnect，而Cadence的應(yīng)對(duì)之道：針對(duì)大規(guī)模結(jié)構(gòu)化芯片有很多總線需要布線，我們的Bus routing和Buffering能夠提供最佳的方案。另外SDP/Structured Data Path可以針對(duì)Data flow的設(shè)計(jì)。

另外一個(gè)方向，在大數(shù)據(jù)驅(qū)動(dòng)的人工智能新型計(jì)算方式下，EDA也可以進(jìn)入新的時(shí)代。新的設(shè)計(jì)方式，不僅是工具輔助，而且對(duì)以往數(shù)據(jù)的挖掘和訓(xùn)練，作為設(shè)計(jì)的輸入，可以對(duì)快速收斂作為更好的輸出。

人工智能在EDA的哪些點(diǎn)上可以有新的突破？徐昀給出的方向包括：在實(shí)際狀況中，很多東西和參數(shù)是非線性的模型，無(wú)法進(jìn)行精確建模，通過機(jī)器學(xué)習(xí)，可以幫助把非線性模型變得簡(jiǎn)單化；或者考慮對(duì)以往成功經(jīng)驗(yàn)進(jìn)行復(fù)用，從而達(dá)到實(shí)時(shí)的What-IF設(shè)計(jì)方法。

特別鳴謝

主辦方特別感謝華為、Cadence，中天微，Mentor, A Simens Business，華大九天，芯愿景軟件，Imagination， 思普達(dá)SAP360八家公司對(duì)本次峰會(huì)活動(dòng)的大力贊助。

更多現(xiàn)場(chǎng)圖片：